面向基因的文本挖掘方法研究及其應用.pdf

1、近年來關于基因功能、基因和疾病關系的生物醫(yī)學文獻大量涌現,但因其數量之多、涉及范圍之廣,很難靠人力完成全部的閱讀來發(fā)現其中豐富的生物學知識。同時,從事基因疾病課題的研究人員,要通過大量的實驗和臨床數據分析才能得到出課題結論或預測,研究周期長,人力物力投入大,而且每研究一種新基因或新疾病就要重復實驗過程,知識發(fā)現過程緩慢。為了能夠充分利用已有的研究成果,節(jié)省人力物力,需要將文本中的生物學知識抽取出來提供給研究人員,幫助他們快速了解基因或疾

2、病,加快相關研究的進展。 我們開發(fā)的基因疾病關系數據庫系統(tǒng),利用生物醫(yī)學文本挖掘工具,從系統(tǒng)自動下載的生物醫(yī)學文摘中抽取基因、疾病、基因本體等信息實體及其相互關系,將這些數據存儲到數據庫中,把非結構化的文本數據轉化為可檢索的結構化數據。系統(tǒng)提供基因、疾病、基因本體等生物學實體關聯(lián)信息的檢索,以及關聯(lián)信息原文原句的查詢,使用戶全面了解感興趣的基因或疾病,幫助用戶加速相關學科的研究。此外,系統(tǒng)具有可視化的串聯(lián)檢索功能,能夠利用數據庫

3、中已有的生物學實體關系,對潛在的生物學實體關系進行深度挖掘,分析出新的生物學實體關聯(lián)信息,為用戶相關研究的進展提供幫助。 基因疾病關系數據庫已存儲了本體信息約330萬條,2000-2003年基因疾病相關的文摘約10萬篇,其中經過文本挖掘處理的文摘約10000篇,生物學實體關聯(lián)信息約12000條,數據仍在不斷增加中。經測試,系統(tǒng)具有良好的生物學實體關聯(lián)性,能夠發(fā)現潛在的基因、疾病、基因本體相互作用網絡,挖掘出新的生物學實體關系,輔